利用常规收集的患者数据用于AI开发的伦理:混合方法研究研究

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 生物伦理学生物伦理学

背景情况:

• 电子健康记录 (EHR) 为医学研究和人工智能开发提供了巨大的潜力.
• 然而,EHR数据质量和人工智能培训的伦理考虑仍然是重大挑战.
• 人工智能和EHR数据伦理的交集是一个尚未探索的研究领域.

研究的目的:

• 检查EHR数据和人工智能开发之间的伦理挑战.
• 以荷兰LEAPfROG项目作为案例研究提出实际建议.
• 确保以道德和有效的方式使用EHR数据进行AI创新.

主要方法:

• 混合方法设计,结合范围的文献审查和系统搜索.
• 两个与患者,临床医生,伦理学家和AI开发人员的利益相关者研讨会.
• 指导伦理方法应用于代的项目开发阶段.

主要成果:

• 确定了四个关键主题:数据隐私/同意,公众信任/监管,公平的代表性/通用性以及负责任的AI集成.
• 突出了重新识别,分散的治理,健康不平等和过度依赖人工智能的风险.
• 强调了脱离上下文风险和需要明确数据重复使用目的.

结论:

• 负责任的人工智能开发需要了解临床环境中的EHR数据的生成,解释和治理.
• 技术解决方案和自上而下的监管是不够的;利益相关者主导的,情境敏感的方法至关重要.
• 伦理和有效的AI创新依赖于透明度,公平性和临床相关性,优先考虑患者和临床医生的观点.